필라이즈-UNIST, '가상 CGM' 혈당 예측 AI 모델 개발
필라이즈(대표 신인식)는 울산과학기술원(UNIST) 임민혁 교수팀과 공동으로 생활 데이터 기반의 혈당 예측 모델 '가상 CGM(가상 연속혈당측정)'을 개발하고, 해당 연구 결과를 국제학술지 사이언티픽 리포트에 발표했다고 15일 밝혔다. 이번 연구는 반복적인 일상 활동(식사·수면·운동 등)에서 발생하는 데이터를 활용해 혈당 반응을 예측하는 인공지능(AI) 모델을 구현한 것으로 기존 연속혈당측정기(CGM)와 병행하거나 CGM 사용이 일시적으로 어려운 상황에서 혈당 관리의 연속성을 유지하는 데 초점을 맞췄다. 연구진은 양방향 순환신경망(Bi-LSTM) 기반 인코더-디코더 구조에 이중 어텐션 메커니즘을 적용해, 시간과 행동 요소별 영향을 정밀하게 반영한 예측 모델을 구현했다. 171명의 건강한 성인을 대상으로 학습한 결과, RMSE 19.49 ± 5.42, MAPE 12.34 ± 3.11%, 상관 계수 0.43 ± 0.2의 성능을 기록하며, 센서가 없는 환경에서도 일정 수준 이상의 혈당 곡선 예측이 가능함을 입증했다. 필라이즈는 해당 기술을 자사 혈당관리 서비스 '슈가케어'에 적용해 일정 기간 사용자 데이터를 기반으로 개인별 혈당 반응 패턴을 학습하고, 혈당이 상승할 가능성이 높은 생활 패턴을 사전에 안내하는 기능을 구현했다. 예측 기능은 CGM 데이터를 10일 이상, 식단·수면·운동 데이터를 일정량 이상 기록한 사용자에게 제공된다. 특정 생활 조건에서 혈당 반응의 경향성을 분석해 변화를 미리 조율할 수 있도록 지원한다. 다만 필라이즈는 "본 기술은 CGM을 대체하기보다 센서 사용의 공백을 보완하거나, 일상생활 중심의 건강 관리를 지원하는 보완적 수단으로 개발된 것"이라며 "의료적 진단 목적이 아닌 자기 주도적 건강관리 수단으로 활용될 수 있도록 설계됐다"고 설명했다. 실제로 최근 건강한 일반인 사이에서도 CGM 기반 데이터 활용에 대한 관심이 높아지고 있지만, 해석 기준의 부재로 인한 오해 가능성, 비용 부담 등의 문제가 지적되고 있다. 필라이즈는 이번 가상 CGM 모델을 통해 생활 데이터 기반 예측 기술이 보다 실용적이고 접근 가능한 혈당 모니터링 수단으로 활용될 수 있음을 제안하고 있다. UNIST 임민혁 교수는 "이번 연구는 일상 데이터만으로도 혈당 반응을 정량적으로 예측할 수 있음을 입증한 사례"라며 "기존의 혈당 측정 중심 관리에서 벗어나 일상 생활 속 패턴을 분석해 예측 가능한 헬스케어 기술의 가능성을 보여준 것"이라고 밝혔다. 신인식 필라이즈 대표는 "혈당 관리는 변화의 흐름을 조율하는 과정으로 일상 속 데이터에서 유의미한 예측을 도출할 수 있다면 보다 실용적인 건강 관리가 가능해진다"며 "특히 CGM과 병행 시 예측의 정밀도와 사용 편의성을 함께 높일 수 있다"고 말했다. 현재 필라이즈는 누적 100만 명의 사용자와 7천만 건 이상의 라이프로그 데이터를 기반으로 AI 건강 예측 기술을 고도화하고 있으며, 관련 특허도 12건 이상 보유하고 있다.
